基于样本模糊隶属度归n化约束的松弛模糊C均值聚类算法

• 作者: 文传军 詹永照
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 模糊聚类 归一化约束 模糊指标 粒子群算法 噪声数据
• 年，卷（期）: 2017,（36）
• 所属期刊栏目: 论文
• 页码范围: 96-104
• 页数: 9页
• 分类号: TP391.45
• 字数: 9552字
• 语种: 中文

摘要

模糊C均值聚类算法(FCM)由于样本模糊隶属度归一性的约束,导致FCM算法对噪声数据敏感.提出松弛模糊C均值聚类算法(RFCM),RFCM算法在可能性C均值聚类算法(PCM)目标函数的基础上,放弃了FCM算法单个样本模糊隶属度归一化约束,转为n个样本模糊隶属度之和为n的约束;并利用粒子群算法对样本模糊隶属度进行优化估计,使得模糊指标可拓展为m>0的情况,同时采用梯度法得到RFCM算法聚类中心迭代公式.RFCM理论分析了算法对噪声数据抗噪的原理,解释了RFCM算法模糊指标m>0的合理性,讨论了RFCM算法的收敛性.基于Gauss数据集和UCI数据集的仿真测试验证了所提出算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹永照	江苏大学计算机科学与通信工程学院	189	1744	21.0	31.0
2	文传军	常州工学院数理与化工学院	32	135	5.0	10.0